在数字转型的下一阶段中，许多流程制造业主已经开始技术试点，以探索降低成本，满足法规遵从性，并且/或者提高整体设备效能（OEE）。
尽管在尝试转变，但是对于先进工具的采用仍然存在诸多挑战。市面上大量复杂的工具令人望而生畏，许多终端用户对流程数据分析也缺乏基本的了解。再加上没有意识到分析能够为实际工作带来的好处，许多工程师都陷入日复一日的常规工作，例如使用电子表格和基本的趋势分析工具来进行大量的日常分析。
本文主要讨论提高当代流程工程师的分析意识的必要性。另外我们还探讨了创造此类意识以及顶尖的自助分析工具能够为流程性能优化提供的功能所需要的关键因素。
现在工厂能够产生的数据比以往任何时候都多，并逐渐形成了一个产业物联网(Industrial Internet Of Things，IIOT)，这使得智能工厂能够从最大程度上将最小的细节进行数据可视化。这场数据革命的关键是建造一个能够连接传感器、工人以及每个车间里每年生产数万亿件样品的机器的网络。
这场数字革命为提高效率和实时流程管理提供了前所未有的机会，但同时也迎来了新的挑战——需要创新的解决方案和新的思维方式。
技术随着数据量的增长而快速发展，商务智能和数据湖系统已经成为运作管理水平中的重要组成部分。但鲜有工程师追随变化。即使他们还在使用相同的系统，但他们只能从他们车间中正在进行的数据转换中体会些微的好处，原因在于他们还无法直接感受到新数据能够带来的长远潜力。
工程师们现在面临着一个充斥着各色各样分析工具的复杂景观，所有的分析工具都声称能够帮助了解最新可用的数据，包括传统历史学家和MES（manufacturing execution system，执行制造系统）供应商提供到的工具，类似于Hadoop这种的通用型大数据系统，以及独立的分析应用程序。这些工具都强调能够满足各种业务需求，但并不一定是为了满足流程制造业的工程师的具体需求而设计的。
业务系统数量庞大引发了有关集成和对IT及大数据专家依赖增长的问题。企业分析的愿景往往是基于一个大数据湖的所有数据，并将概念验证落实到将存储财务数据、营销数据、质量数据和有限数量的生产数据存储到数据湖当中。然而实际练习的过程中，公司常常难以适应大量的时间序列数据。
为了解决上述问题，不少组织开始创建中央分析团队来解决影响公司盈利的最关键流程问题。数据科学家们结合多个来源的数据构建出先进的算法和数据模型，为优化生产流程提供见解。这些分析专家主导将时间序列数据转化成可操作的信息。
分析团队提供的见解虽然很重要，但这种方法本身不足以支持工程师在日常工作中的使用分析。工程师的时间宝贵，学习新工具的空间也有限；他们更关心满足工厂的即时需求，而不是新的或可能未经证实的技术的承诺。他们可能会怀疑他们能够从分析系统的时间投入中获得的实际好处。如果过去的分析项目未能达到预期，那么也可能会引起沮丧和失望的情绪。
随着迫切需要确保最佳流程，他们自然而然会重新选择目前的成熟的系统和工具去完成工作。
正如技术发展到足以连接各个车间，工程师必须有能力去接管这些工厂。这是商业文化领域中的重大变革，因为要求整个组织都必须接受教育，树立一种把分析融入工作将拥有巨大潜力的意识。
不能仅仅依靠由分析专家组建起来的中央分析团队，那些类似流程工程师的专业人员们也应该有能力处理自己的日常分析问题。这不仅会在参与过程管理的所有工程师中宣传相关益处，还能让数据科学家们从日常繁冗的分析工作红解放出来，从而将重点放在处理最关键的业务问题上。
掌握数据分析技能并不意味着要求每一位工程师都成为一名数据专家，而只是帮助他们获取流程数据分析的优势。流程工程师不会或者说不可能轻易成为数据科学家，这背后是因为教育背景的差异（计算机科学与化学工程），但是他们可以具有分析意识和能力。
通过培养工程师多了解有关数据分析的知识，他们可以独立解决更多的日常问题，提高自身的效益。反过来他们将根据自己在工程方面的专业知识为所在组织提供新的独特见解。这为组织的所有运营商提供了价值，并更有效地利用人力资源。
为了促使组织采用这种现代化的方法，需要增设一个面向领域专家用户需求和用户教育的自助服务型分析平台。
自助分析工具是针对终端用户设计的。它将强大的算法和熟悉的接口结合起来，以最大限度方便用户使用，从而不要求用户对数据科学有深入了解。不需要选择模型、培训和验证，相反用户可以直接从自己的进程历史记录中查询信息并获得一键式结果。快速解答使价值被即刻验证，因此能够激励更多用户采用分析工具：节省了宝贵的时间，过去被埋没的改进机会也被解锁。
这种自助服务分析方法可以提高工作效率、更大程度上满足工程师进行信息分析的舒适度，同时也使得数据科学家们能够专注于解决整个组织最关键的问题，并为企业所有者提供更高的盈利能力。
本文为36大数据独家授权编译，未经允许不得转载
作者 Thomas DhollanderR 编译 ya 楠
End
为了让大家能有更多的好文章可以阅读，36大数据联合华章图书共同推出「祈文奖励计划」，该计划将奖励每个月对大数据行业贡献（翻译or投稿）最多的用户中选出最前面的10名小伙伴，统一送出华章图书邮递最新计算机图书一本。投稿邮箱:[email protected]
点击查看：你投稿，我送书，「祈文奖励计划」活动详情>>>
如果有人质疑大数据？不妨把这两个视频转给他
视频：大数据到底是什么 都说干大数据挣钱 1分钟告诉你都在干什么
人人都需要知道 关于大数据最常见的10个问题
从底层到应用，那些数据人的必备技能
如何高效地学好 R?
一个程序员怎样才算精通Python？
排名前50的开源Web爬虫用于数据挖掘
33款可用来抓数据的开源爬虫软件工具
在中国我们如何收集数据？全球数据收集大教程
PPT：数据可视化，到底该用什么软件来展示数据？
干货｜电信运营商数据价值跨行业运营的现状与思考
大数据分析的集中化之路 建设银行大数据应用实践PPT
【实战PPT】看工商银行如何利用大数据洞察客户心声？
六步，让你用Excel做出强大漂亮的数据地图
数据商业的崛起 解密中国大数据第一股——国双
双11剁手幕后的阿里“黑科技” OceanBase/金融云架构/ODPS/dataV
金融行业大数据用户画像实践
“讲述大数据在金融、电信、工业、商业、电子商务、网络游戏、移动互联网等多个领域的应用，以中立、客观、专业、可信赖的态度，多层次、多维度地影响着最广泛的大数据人群
搜索「36大数据」或输入36dsj.com查看更多内容。
投稿/商务/合作:[email protected]
